Marketingmixmodellering in de energiesector: slimmere budgetverdeling met Robyn

Context en doelstellingen

Een toonaangevende energieleverancier wilde zijn marketinginvesteringen optimaliseren over verschillende mediakanalen om de verkoopprestaties te verbeteren.

Het hoofddoel was te becijferen hoe uitgaven aan digitale en traditionele media (tv, radio, pers, zoekmachineadvertenties en sociale media) de verkoop beïnvloedden. De klant wilde ook aanbevelingen om budgetten te verdelen voor maximale verkoopprestaties.

Aanpak

We gebruikten marketingmixmodellering met Robyn, een open source MMM-pakket van Meta, om te analyseren hoe media-uitgaven en externe gebeurtenissen de B2C-verkoop beïnvloeden. Zo konden we verkoopdata uitsplitsen en de bijdrage van elk mediakanaal en elke externe variabele bepalen zonder een rechtstreeks attributiemodel nodig te hebben.

Resultaten

Met het marketingmixmodel bepaalden we de kosten per acquisitie (CPA) voor elk mediakanaal. Dat bracht grote verschillen in directe efficiëntie tussen digitale en traditionele media aan het licht.

De gedetailleerde resultaten toonden ook belangrijke effecten van media-uitgaven op de verkoop:

• Na-ijleffect: onze strategische analyse vond verschillende vertraagde effecten van uitgaven over meerdere weken, waarbij sommige media de verkoop langer beïnvloedden.

• Verzadiging: bij bepaalde mediakanalen zagen we punten waarop extra uitgaven steeds minder opleverden. Meer investeren zou daar niet tot evenredige verkoopgroei leiden.

Een belangrijke doorbraak kwam door de simulatiemogelijkheden van het model te gebruiken om verschillende budgetverdelingen te testen. De simulaties toonden dat een betere budgetverdeling de verkoop met meer dan 5% kon verhogen zonder extra uitgaven. Deze bevindingen komen uit simulaties, maar bieden waardevolle inzichten die met verder onderzoek en A/B-tests kunnen worden gevalideerd.

Marketingmixmodellering met Robyn gaf de klant duidelijke, datagedreven inzichten in de invloed van elk mediakanaal op de verkoop. Daarmee kon de klant budgetten slimmer verdelen om marketingprestaties te verbeteren, ook in moeilijke tijden met energiecrisissen en geopolitieke gebeurtenissen.

Robyn, Meridian of een model op maat?

Hier gebruikten we Robyn van Meta. Sindsdien bracht Google Meridian uit, en de keuze tussen beide is nu meestal de eerste vraag bij gesprekken over MMM. Kort gezegd: beide zijn geloofwaardige opensourceopties. Meridian verwerkt bereik- en frequentiedata standaard, Robyn laat sneller itereren op kleinere datasets. In onze analyse van Google Meridian vergelijken we ze uitgebreid. De modelleeraanpak uit deze klantcase geldt ongeacht uw keuze.